AI 寫下近半數任務單：Linear「How Teams Build」數據報告解析

兩年前，在數萬個軟體團隊使用的專案管理工具 Linear 裡，每一千張任務單（issue）中由 AI 建立的不超過一張。今天，AI 撰寫了工具內將近一半的所有任務單，而且照目前的速度，它很快就会寫得比人類與整合工具加起來還多。這是 Linear 新發布的「How teams build」數據報告的頭條發現，也是迄今為止關於 AI 如何重塑軟體開發日常工作的最詳細量化肖像之一。

這份報告以付費 Linear 工作區的聚合產品數據為基礎，其價值在於測量的東西與模型商、編程工具商通常發布的指標不同。模型公司報告 token 用量，編程工具報告程式碼產量，而 Linear 位於整個工作流程的中心——從第一張任務單到關閉它的 pull request——因此它能看到誰在用 AI、AI 如何改變團隊的時間分配，以及它是否改變了團隊的交付量。正如報告作者、數據負責人 Tim Qi 所言，這些數據提供了「2026 年 AI 輔助產品開發現況的固定參照點，也是下一版報告的比較基準」。

AI 採用已擴散到每一個職能

2026 年 1 月到 6 月之間，每個職能的 Linear AI 功能活躍用戶占比都翻了一倍以上。產品經理成長最快，從 12% 升到 34%；工程師從 12% 升到 30%；設計師從 6% 升到 22%；連離程式碼庫最遠的市場與銷售（GTM）職能，也從 5% 升到 18%。

採用甚至一路延伸到最高層。員工 201 人以上公司的 CEO，AI 活躍度在六個月內從 9% 升到 36%，是全報告中最大的增幅；同規模公司的 CTO 則從 11% 升到 35%。這個模式顯示高階主管正在透過親自使用來理解這項技術，而不是只靠閱讀。更值得注意的是，公司規模幾乎不構成預測因子：從 50 人新創到千人以上企業，採用率都大約翻了三倍。

編程代理讓產出變為三倍

最引人注目的產出數據，來自連接編程代理（coding agent）與未連接的團隊比較。在 6,887 個付費團隊的固定群組中，連接代理的團隊兩年內每週 pull request 數大約翻了三倍，從 21 張升到 65 張；沒有代理的團隊只從 8 張升到 10 張——基本持平。

Linear 對因果關係相當謹慎：連接代理的團隊在代理出現之前產出就比較高，所以兩組的絕對水位不能直接比較。但每個群組與自身基線相比，故事非常清楚——幾乎所有成長都發生在代理那一側。就所有付費工作區而言，每團隊每週的 pull request 數較 2024 年 6 月基線成長了 111%，產出在第一年大致持平，然後在 2026 年隨著模型品質與採用度同步攀升而急劇上彎。

報告還捕捉到一個更安靜的角色模糊化：兩年間，附加 pull request 的產品經理占比從 3% 升到 10%，設計師從 1% 升到 8%。由於 Linear 只計算連接到該工具的儲存庫中的 PR，這些數字是下限而非上限。過去只負責描述改動的人，現在越來越多自己動手交付。報告總結道：「組織中每個人都在成為 builder 的說法，看來方向上是正確的。」

但代價是：新的工作層，而非取代

接下來這個發現，讓所有生產力敘事變得複雜：團隊在既有任務上花費的時間保持平穩，而 AI 使用是以一個全新的工作層出現的。與 AI 對話、把任務單委派給代理，這些一年前還不存在的工作類型，如今出現在每個職能的每週行程裡——但沒有任何既有工作縮減來騰出空間。投入產品開發的總時間正在上升，而非下降。

Linear 自己的詮釋相當直白：「就我們所能觀察的，團隊工作得更多而不是更少，這顯示 AI 具有一種超越 token 消費的 Jevons 悖論特質。」Jevons 悖論——效率提升反而增加而非減少資源總消耗——過去常被用來討論 AI 的 token 用量，Linear 現在把它延伸到了人類工時上。

與此同時，規劃時間則完全不動。在報告中幾乎所有指標都上揚的這一年，花在客戶請求、文件與專案上的分鐘數基本持平，顯示 AI 目前改變的主要是團隊「如何執行」，遠多於「如何決定做什麼」。

是「動作」，不是「價值」——以及為什麼這很重要

報告對自身局限的坦白令人耳目一新。「我們無法知道這些增加的產出是否帶來了正面的商業成果」，一張被打開的 pull request 也說明不了改動的價值。但 Linear 認為，計算 pull request 仍比計算 token 前進了一步：一次機械式重構可能燒掉大量 token，而一次重要的 bug 修復卻不會，token 支出與價值根本對不上。「把兩者互相替代，將被視為 AI 早期的遺跡。」

這個警語當然是雙向的。數據只涵蓋付費 Linear 工作區，發生在 Linear 之外的 AI 使用是看不見的；任務單數量也和任何自動化產出一樣，容易受到通膨動態影響——一個填寫冗長、低訊號任務單的代理，會推高「AI 寫了近半數任務單」的比例，卻沒有增加任何資訊量。協調成本的數據正暗示了這一點：工程師花在建立與分類任務單的時間年增約 17%，創辦人的評論時間每月多了 26 分鐘。更多產出，更多協調。

不過，作為一份以固定群組、縱貫兩年的真實團隊行為（而非問卷調查）為基礎的測量，這份報告仍是我們手上最好的證據之一：AI 編程工具已經從新奇事物變成基礎設施——而它的到來讓產品開發變得更大，而不是更精簡。Linear 表示，下一版報告將追蹤從 token 支出到成果的完整生命週期。那才是這個產業真正需要的度量。